京公网安备 11010802034615号
经营许可证编号:京B2-20210330
充分挖掘司法大数据的超凡价值
司法大数据不仅可以成为法官公正司法的“校准器”,还可以成为观察经济发展的“晴雨表”,成为推动社会治理的“方向标”,成为人民群众规范行为的“指南针”。
说到司法大数据,我们首先想到的是全国法院一年受理案件的总数。以2016年为例,全国法院受理案件接近2000万件。其中,最高人民法院受理案件15985件,审结14135件;地方各级人民法院受理案件1951.1万件,审结、执结1671.4万件,结案标的额4万亿元。需要特别说明的是,按照公认的大数据定义,这些数据还不能称为司法大数据,仅仅是一些重要和宏观的司法数据。因为,它们还没有经过加工分析,没有经过结构化改造,所能够提供给我们的信息还十分有限,数据背后的信息还没有被充分地挖掘出来,因此也就无法被有效地使用。
的确,大数据不仅仅表现为数据的规模之大,更代表着数据处理所需的以人工智能为代表的新技术和新方法,代表着从海量的数据中找到过去不容易昭示的经验、规律和预测,代表着大数据分析和应用所带来的新创造、新服务和新机遇。没有分析加工提炼的数据,无论其数量有多么庞大、构成多么复杂,都不能称之为大数据。只有通过对数据的大量输入并加上复杂运算,让数据不断产生又不断拆分、整合,融合生成新的产品,然后输出、使用,才能形成“数据生产信息,信息改善决策”。这正是大数据发挥作用的基本原理。也就是说,大数据之所以能够带来神机妙算般的超凡价值,关键在于对数据的分析、挖掘、加工、提炼,能够从海量的数据中分析和提取出有规律的信息,能够对未来趋势进行预测的信息,进而影响和改善我们的决策。司法数据相当于生产资料,互联网相当于基础设施,云计算相当于生产工具,三者共同组成了信息时代的司法大数据。
如何适应互联网信息技术发展带来的机遇,充分挖掘司法大数据可能具有的超凡价值,是加强司法大数据研究与应用的重大课题,也是周强院长交给各级人民法院的一项重要工作任务。党的十八以来,在周强院长大力倡导和推动下,人民法院的信息化建设取得飞速进展。经过短短几年努力,从立案、审判到执行的全流程,最高人民法院已经搭建起了大数据管理和服务平台,实现了全国法院网络和信息基础设施全覆盖,全国3519个法院和9279个人民法庭通过专网实现互联互通。现在,各级法院正以每5分钟一次的频率向大数据管理和服务平台自动汇聚新收集的各类案件数据。目前,平台已经汇集了1亿多件案件数据和2900多万份裁判文书。面对呈指数增长的司法数据,初步实现了数据的“收集、保存、管理”。下一步,要在数据的“复杂运算”方面下大功夫,实现数据的“分析和共享”。
我们注意到,一些地方对司法大数据的研究与应用已经取得了不少可喜的成绩。比如,通过网络审判辅助系统分析案件的全部电子卷宗材料,自动为办案法官推送直接相关的法律法规、指导性或参考性案例等各类型法律文献,为法官提供智力支持;通过信息化实现资源共享,为不同法院审理同类案件提供大致统一的裁判尺度,避免同案不同判和法律适用不统一的问题;通过现代信息技术手段,缩减办案和执行期限,提高整体办案效率;通过网络流程再造,实现对办案工作的自动预警和智能监督。但总体上看,对大数据的收集、研究与应用还处在一个比较粗浅的层面上,司法大数据可能具有的超凡价值远远没有得到挖掘。
大数据的世界是现实的,也是超现实的;是过去的,更是面向未来的。通过数据的不断交换与交流,通过数据以及数据的不断使用,通过人工智能的复杂运算,带来的是更多源源不断并及时更新的新数据,展示出的是一个更清晰、更量化的经验世界,可以为人们的决策提供更值得借鉴的参照。未来,通过不断升级的人工智能和智慧法院建设,人们甚至可以顺利实现对诉讼结果的预测。这正是周强院长推动成立司法大数据专门研究与开发机构的要义。因为,司法大数据不仅可以成为法官公正司法的“校准器”,还可以成为观察经济发展的“晴雨表”,成为推动社会治理的“方向标”,成为人民群众规范行为的“指南针”。为此,周强院长要求以建设智慧法院为目标,充分利用人民法院丰富的案例资源,加强数据化分析等系统的开发和运用,更好地服务审判执行,服务人民群众多元司法需求,服务经济社会发展。
随着大数据日益转化成为国家基础性战略资源,拥有司法数据的规模以及分析解释运用这些数据的能力,也必将成为人民法院综合能力的重要组成部分。我们期待能够建立起司法大数据的全套指数系统,不仅为法院系统服务、为法官公正司法服务,还可以用司法大数据为国家治理现代化提供基础数据和决策支撑,为党和政府服务、为社会服务、为人民群众服务。当然,这需要互联网有关产业机构、数据机构的共同参与,也期待有更多的政府部门和律师机构,积极支持和参与到建设司法大数据发展指数系统中来,打造共享的数据交换交流平台,实现利国利民利己的大壮举。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库数据查询与数据分析中,GROUP BY与ORDER BY是使用频率极高的核心关键字。二者语法结构相似,常搭配使用,但核心功 ...
2026-09-14随着数字化治理、智慧运营、数字孪生技术的普及,数字体征成为衡量业务状态、系统运行、城市治理与企业经营健康度的核心体系。数 ...
2026-09-14 很多数据分析师沉迷于复杂的模型和算法,却忽略了数据分析的一项基础能力——描述性统计。事实上,大量商业分析问题,用描述 ...
2026-09-14在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03